Desempenho de fusões e aquisições cross border: análise empírica do caso brasileiro

Este artigo tem como objetivo investigar se as aquisições realizadas por empresas brasileiras fora do País nos últimos 15 anos têm aumentado o desempenho financeiro dessas empresas. Além disso, é realizada uma análise empírica dos fatores determinantes desse sucesso, com base nas teorias institucional, sociocultural e de aprendizagem organizacional. Os resultados indicam que, de fato, as investidas cross border de companhias do Brasil melhoram o desempenho, que é positivamente impactado quando a distância cultural entre os países da adquirida e da adquirente é baixa ou média e quando o ambiente institucional no qual a empresa-alvo se encontra é desenvolvido. Já a relação entre as experiências anteriores das brasileiras em fusões ou aquisições internacionais e o desempenho de uma nova aquisição fora do País segue o formato de U invertido, enfatizando a relevância de se considerar a experiência com fusões e aquisições da empresa compradora além das características institucionais dos seus países-alvo.

Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.